RSA-896 — Claude가 조율한 GPU 클러스터로 RSA 도전 수를 인수분해
RSA-896이라는 RSA challenge number의 소인수 p·q를 공개한 인수분해 기록입니다. Claude가 CADO-NFS의 GPU 포팅과 유휴 GPU fleet 실행을 조율했으며, 최대 2,048개 GPU로 10일 동안 약 30 GPU-years를 투입했습니다. 새로운 알고리즘 개선이나 배포된 키에 대한 새 위협은 없다고 설명합니다.
최신기사
AI, 개발 도구, 오픈소스, 보안과 인프라의 변화와 이용 조건을 설명하는 최신 기사와 해설입니다.
MCP로 살펴본 MI300X — 매트릭스 코어가 실행하는 것과 실행하지 않는 것
AMD Instinct MI300X 한 장을 실제 클라우드 환경에서 MCP 도구로 관리하고, 하드웨어와 ROCm 스택이 지원하는 수치 형식을 직접 측정합니다. 결과적으로 이 카드에서는 FP8 E4M3FNUZ가 실용적인 네이티브 경로이며, INT8·MXFP4·NVIDIA용 FP8·GGUF는 사양표나 기능 목록만으로 판단하면 안 된다는 점을 보여줍니다.
Claude Code의 effort level과 모델 선택 가이드
Claude Code에서 모델은 고정된 가중치와 전반적인 능력 범위를, effort level은 파일 탐색·도구 호출·검증·추론에 투입할 작업량을 결정합니다. Anthropic은 기본 설정에서 시작한 뒤, 문제가 어려워 지식이 부족하면 더 큰 모델을, 실행이 불충분하면 더 높은 effort를 선택하라고 안내합니다.
6개월 동안 AI에게 테스트를 작성하게 해봤습니다 — 실제 프로덕션에서 살아남은 것들
AI는 테스트 코드의 보일러플레이트와 버그 재현용 골격을 빠르게 만드는 데 효과적이지만, 중요한 실패 시나리오와 올바른 검증 조건까지 찾아주지는 못합니다. 작성자는 Playwright와 Flutter 테스트 경험을 바탕으로 AI 생성 테스트의 한계와 사람이 반드시 맡아야 할 역할을 설명합니다.
DraftKings는 어떻게 가장 많이 잃을 가능성이 높은 도박꾼을 AI로 겨냥하는가 — 베팅 인센티브 대상을 정하는 데이터 과학, 중독 위험 이용자 보호에는 같은 기술을 쓰지 않았습니다
DraftKings는 고객의 베팅 기록으로 프로모션에 반응해 더 많이 잃을 가능성이 높은 이용자를 점수화하고, 이들에게 무료 베팅과 보너스를 집중해 왔습니다. 반면 전직 직원들은 도박 중독 위험을 예측하고 보호하기 위한 유사한 기술 도입 시도는 중단되거나 무산됐다고 말합니다.
jev(TypeSafe의 System One 모델)로 2048을 플레이해 보기
jev-1.13.0에 2048 보드와 이동 선택지를 입력해 네 가지 프롬프트 구성을 비교했습니다. 보드만 제공하면 무작위 이동과 비슷했으며, 각 이동 후 보드와 점수까지 제공했을 때 중앙값 2,494점으로 가장 나은 결과를 보였습니다. 다만 게임 수가 적고 결과 편차가 커 추가 검증이 필요합니다.
AI 코딩 에이전트는 자신이 여는 저장소의 공격을 받을 수 있습니다
AI 코딩 에이전트는 저장소 파일만 읽는 것이 아니라 Git 명령, 설정, 스크립트, 에이전트 지침까지 실행하거나 해석할 수 있습니다. GitSpawn 사례처럼 악성 Git 설정과 프롬프트 인젝션이 에이전트의 권한을 악용할 수 있으므로, 신뢰하지 않는 저장소는 격리 환경에서 검토하고 자격 증명은 최소한으로 제공해야 합니다.
모든 곳의 보안을 고칠 수 있는 시간은 1년입니다
저렴하고 로컬에서 실행할 수 있으며 악성 행위를 거부하지 않는 AI 모델이 실제 취약점 탐색과 익스플로잇 작성에 활용될 수 있다는 경고입니다. 글은 공격 모델이 대중화되기 전에 보안 패치의 배포·백포트·검증 체계를 정비하고, 샌드박싱과 최소 권한, 공급망 보안을 강화해야 한다고 주장합니다.
Flock으로도 부족했나 — 댈러스, 쓰레기 수거 차량의 AI 카메라로 주택을 촬영해 57건의 소환장 발부
댈러스가 쓰레기 수거 차량에 장착한 AI 카메라로 주택을 촬영하고 ‘황폐화 점수(blight score)’를 매겨 규정 위반 단속 우선순위를 정하고 있습니다. 4개월 동안 2만 1,000개 주소가 표시됐고 34개 부동산에 57건의 소환장이 발부됐지만, 오인 탐지와 저소득층 부담, 모호한 안내문이 논란이 되고 있습니다.
YuE2-3B용 실시간 오디오 토크나이저와 디코더 LoRA — 실제 녹음 기반 음악 생성·커버 도구
YuE2-3B에 포함되지 않은 오디오→시맨틱 토큰 인코더와 실제 녹음에 맞춘 NAR 디코더 LoRA를 제공하는 Hugging Face 저장소입니다. 자체 녹음 토큰화, 아티스트별 AR LoRA 학습, 음악 생성과 커버 제작을 지원하며 v4부터 v9까지의 학습 방식과 평가 수치도 함께 공개합니다.
yynxxxxx/Codex-X — OpenAI Codex 데스크톱·CLI를 위한 시각형 관리 도구
Codex-X는 OpenAI Codex 데스크톱과 Codex CLI에서 흩어지기 쉬운 Prompt, Provider/API, Session, Skills/MCP, TOML 설정을 하나의 크로스플랫폼 UI로 관리하는 오픈소스 도구입니다. Prompt의 추가·교체, Provider 전환, 세션 동기화·삭제, Token 사용량 확인과 설정 백업을 제공하며 Tauri 2, React, TypeScript, Rust, SQLite로 구성됩니다.
Playwright보다 2배 빠르고 토큰을 80% 더 효율적으로 사용하는 Stagehand v4
Stagehand는 Playwright의 브라우저 자동화 API를 바탕으로 AI 에이전트에 맞춘 SDK입니다. 브라우저 내부 확장 프로그램, 접근성 트리 기반 컨텍스트 축소, 배치 명령과 캐싱을 활용해 Playwright 대비 2배 빠른 실행과 80% 높은 토큰 효율을 목표로 하며 TypeScript·Python·Go를 지원합니다.
4GB 노트북 GPU가 Gemma 4에서 12코어 CPU보다 4.3배 빠릅니다
동일한 노트북에서 Gemma 4 소형 양자화 모델을 CPU와 4GB GTX 1650 Ti로 번갈아 서빙한 결과, GPU 디코드 속도가 평균 4.27배 빨랐습니다. 모델의 대형 임베딩 테이블이 호스트 메모리에 남는 구조 덕분에 4GB GPU만으로도 충분히 적재할 수 있었습니다.
AI가 코딩하는 동안 무엇을 하시나요? 저는 AI끼리 논쟁하게 합니다
두 개의 LLM이 같은 작업을 독립적으로 검토한 뒤 근거를 교환하게 하는 AdversarialDebate를 소개합니다. 초기에는 논쟁처럼 보이는 대화의 89%가 연극에 불과했지만, 독립 판정과 구조화된 반론을 적용한 v0.2.0에서는 2,333개 데이터 행 기준 88.7%의 이진 일치율을 기록했습니다.
DRAM 가격 상승으로 2027년 아이폰 추가 인상 — 2028년까지 완화 기대 어려워
Apple이 2027년 사용할 DRAM 가격으로 기가비트당 2달러를 사실상 수용하면서 아이폰 가격이 다시 오를 가능성이 커지고 있습니다. AI 데이터센터용 메모리 수요가 소비자 기기용 생산능력을 압박해 수요·공급 격차가 2028년 상반기까지 이어질 수 있다는 분석입니다.
Qwen3.8-Flash-Next용 비균일 GGUF 양자화 — GSQ와 RCO로 텐서별 정밀도 배분
ISTA-DASLab이 512-expert MoE 모델 Qwen3.8-Flash-Next를 GSQ와 RCO로 비균일 양자화해 2.40·2.50·3.00 bpw GGUF로 공개했습니다. IQ3_XXS는 BF16 대비 4.7배 작으면서 AIME25 점수가 같고, Q2_0은 IQ2_XS보다 프롬프트 처리량이 3.4배 높습니다.
higgsfield-ai/higgsfield — 수십억~수조 파라미터 모델 학습을 위한 내결함성·고확장성 GPU 오케스트레이션 및 머신러닝 프레임워크
Higgsfield는 대규모 언어 모델(LLM) 학습을 위해 GPU 노드 할당, 실험 큐 관리, 분산 샤딩, 학습 모니터링, GitHub Actions 연동을 제공하는 오픈소스 프레임워크입니다. PyTorch FSDP와 DeepSpeed ZeRO-3를 지원하며, 여러 노드에서 대규모 모델을 학습하고 체크포인트를 관리하는 흐름을 단순화합니다.
면접에서 AI를 사용했다는 이유로 탈락했습니다 — 그런데 면접관도 AI를 쓰고 있었습니다
AI를 사용한 사실을 공개했다가 면접에서 탈락한 개발자가, 같은 면접에서 AI를 사용하는 면접관을 봤다고 말합니다. 글은 코딩 평가가 문법 암기보다 AI의 오류를 판별하고 결과를 통제하는 판단력을 측정해야 한다고 주장합니다.
M5 Ultra와 M6 칩의 벤치마크가 그래픽 성능을 보여줍니다
Apple의 M5 Ultra는 Geekbench 7 Metal에서 M3 Ultra 평균보다 최대 59% 높은 366,744점을 기록했고, OpenCL 성능은 NVIDIA GeForce RTX 4080에 근접합니다. M6도 M5 평균보다 최대 34% 높은 93,217점을 기록했습니다.
trycua/cua — 오픈소스 드라이버, 크로스 OS Fleet, 벤치마크로 Computer-Use 2.0 확장하기
Cua는 AI 에이전트가 Linux·macOS·Windows의 데스크톱 애플리케이션과 브라우저를 조작하도록 하는 오픈소스 도구 모음입니다. 격리된 클라우드 데스크톱, 로컬 macOS VM, 에이전트 평가·학습용 Cua-Bench를 함께 제공합니다.